ANALISE INADIPLENCIA STONE

Objetivo: entender o comportamento de clientes inadimplêntes

base de dados: Dados csv clientes banco stone

baseado : https://www.kaggle.com/code/caiodouglas/analise-de-dados-prevencao-de-inadimplencia

No mundo econômico, a previsibilidade é um fator de extrema importância, já que as tomadas de decisões e investimentos dependem de entender o risco que se corre. Num cenário de concessão de empréstimo, a entidade financeira precisa calcular quais as chances do cliente deixar de efetuar o pagamento, tornando assim inadimplente, prejudicando o investimento.¶ Com a análise de dados dos clientes da entidade financeira, iremos entender quais são as caracteristicas e atitudes que um possível inadimplente possui, levando assim uma melhor tomada de decisão sobre a concessão ou não do crédito. A variável de interesse dos dados é a variável default que mostra se o cliente está ou já foi inadimplente em algum momento, com os valores booleanos 0 para negativo e 1 para positivo.

As colunas escolaridade, estado_civil e salario_anual, estão com dados faltantes. As colubnas limite de credito e valor transações estão formato de object precisa ser alterado para float

Resumo

Com tudo é notorio que há um total de dados de 10127 clientes, para analise o foco principal sera a coluna default onde mostra se o cliente é adiplente ou inadimplentes, sendo assim o numero 0 para adiplentes e 1 para inadimplentes. Dos 101227 clientes 8500 sendo 83,9% representa os clientes adiplentes e 1627 contando 16,1% rempresenta os clientes inadimplentes.O intuito é analisar oque tem em comum ou em relação para diminuir esses 16,1% sendo que para entidade finaceira a porcetagem está muito alta e representa uma grande poblema para a empresa.

Resumo

Após a limpeza perdemos cerca de 3046 dados de clientes por valores faltantes, pois iria afetar a analise

Resumo

Pode-se analisar no primeiro grafico estatístico informações como quantas variveis tem em cada colunas, a variavel que mais se repete e qual a frequencia que mais se repetiu. No entanto ja no segundo grafico podemos analisar informações como o minimo ou o maximo das variaveis.

Conclusão:

Grafico 1

No grafico 1 podemos notar que quanto maior o valor das transações e quanto mais transações menor a chance de inadimplência.

Grafico 2

No grafico 2 nota-se que no intervalo de meses de 25 a 45 nesse intervalo de 30 meses ha um grande numero de inadimplência.

Grafico 3

No grafico 3 nos informa que quanto menor o limite de credito mais chance de inadimpência.

Grafico 4

Com analise dos salario dos clientes podemos ter uma relação com a inadimplência como por exempo salario menos de 60 k tem a maior probabilidade de ter inadimplência, logo em seguinda de 80 a 120 k.

Essas analises é importe para um mapeamento para uma movimentação precisa para diminuir os 16,10% de inadimplência.